Demo

Modelos de biodiversidad

Los mapas globales de biodiversidad no aciertan en lo local: un estudio con 24.861 sitios mide cuánto fallan y qué datos faltan

Un estudio en Nature Ecology & Evolution probó por primera vez de forma sistemática qué tan bien predicen los modelos globales la biodiversidad de un sitio concreto. La respuesta: poco, y casi nada fuera de los contextos muestreados.

Juan Felipe Romero11 min de lectura
modelos de biodiversidadindicadoreslínea basemonitoreociencia

¿Buscas el trámite y no la noticia? Guías de trámites ambientales, con su norma, su autoridad competente y sus fuentes oficiales.

Los mapas globales de biodiversidad no aciertan en lo local: un estudio con 24.861 sitios mide cuánto fallan y qué datos faltan
7 min de audio

Los índices globales de biodiversidad entregan mapas con celdas de 300 metros a 1 kilómetro, y es fácil leerlos como si cada celda dijera algo fiable sobre ese lugar. Un estudio publicado el 10 de noviembre en Nature Ecology & Evolution puso a prueba esa lectura y encontró que el detalle del mapa es mayor que la precisión del modelo que lo produce.

0,13correlación de rangos (Spearman) del modelo por bioma y reino biogeográfico al predecir sitios de estudios que no vio durante el entrenamiento. Dentro de los contextos muestreados llegaba a 0,42. Fuente: Nyström et al. 2026, Nature Ecology & Evolution.

Importa porque estos modelos son la base de indicadores muy usados, como el Índice de Integridad de la Biodiversidad (BII), la abundancia media de especies de GLOBIO y el Índice de Hábitat de Biodiversidad (BHI), y porque cada vez más empresas y gobiernos los usan para reportar riesgos y dependencias de la naturaleza. Los autores, Jakob Nyström, Jeffrey Smith, Lisa Mandle, Andrew Gonzalez, Thomas Schön y Tobias Andermann, señalan que hasta ahora estos modelos no se habían evaluado de forma sistemática con datos que el modelo no hubiera visto.

Cómo hicieron la prueba

Usaron la base de datos PREDICTS, que reúne mediciones de biodiversidad de muchos estudios en el mundo. Para la diversidad de cada sitio (diversidad alfa) trabajaron con 24.861 sitios de 445 estudios; para la diferencia de composición frente a un sitio de referencia casi intacto (diversidad beta) usaron 38.010 pares de sitios de 184 estudios.

Compararon tres estructuras de modelo, todas con presiones humanas (uso del suelo, densidad de población, densidad de vías) y variables de clima y relieve:

ModeloCómo trata la variación entre estudios
Mixto con efectos de estudio (el que usan los índices más difundidos)Promedia el efecto de las presiones en todo el planeta y absorbe la diferencia entre estudios en efectos aleatorios que no sirven para sitios nuevos
Por bioma y reino biogeográficoAprende parámetros distintos para cada combinación de bioma y reino
Por bioma y grupo taxonómicoAprende parámetros distintos por bioma y por grupo (plantas, vertebrados, invertebrados, hongos y otros)

Y los evaluaron de dos maneras. En la validación estándar, el modelo predice sitios de estudios que ya conoce en parte (interpolación). En la validación entre estudios, todos los sitios de un estudio quedan fuera del entrenamiento y el modelo debe predecirlos como si llegara a un lugar nuevo (extrapolación).

Qué encontraron

En diversidad alfa, el modelo mixto tuvo una correlación de rangos de 0,14 y un R² cercano a cero. Los modelos con estructura ecológica mejoraron, pero siguieron lejos de lo que se llamaría buen ajuste:

Modelo (diversidad alfa)Correlación de SpearmanR²
Mixto con efectos de estudio0,14cercano a 0
Por bioma y reino0,420,15
Por bioma y grupo taxonómico0,450,17

Al pasar a la validación entre estudios, el resultado empeoró de forma marcada: el modelo por bioma y reino bajó a 0,13 de correlación y a un R² de −0,24; el de bioma y taxón, a 0,16 y −0,28. Un R² negativo quiere decir que el modelo predice peor que simplemente usar el promedio de los datos de prueba. Los autores aclaran que la correlación de rangos no desaparece del todo, de modo que el modelo conserva algo de capacidad para ordenar sitios de más a menos diverso. En diversidad beta el patrón fue similar.

Cámara trampa camuflada sujeta con una correa al tronco de un árbol, dentro de un bosque húmedo con hojas grandes desenfocadas al fondo
Una cámara trampa en un bosque húmedo. Los autores proponen ampliar la recolección estandarizada de datos con tecnologías de bajo costo como esta, el ADN ambiental y la bioacústica.Crédito: DataiOnline, CC BY-SA 4.0, vía [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Camera_Trap_installation_at_Datai_Bay.jpg)

Hay un detalle que los propios autores destacan: el error medio absoluto casi no cambió entre ambas validaciones. Por eso insisten en mirar varias métricas a la vez; una sola puede esconder que el modelo no transfiere bien.

Lo que sí confirma el estudio

El trabajo no cuestiona que la transformación del suelo reduzca la biodiversidad. De hecho, el efecto del uso del suelo salió en línea con la investigación previa. La brecha está entre estimar un efecto promedio y predecir un sitio concreto: según el artículo, explicar bien una tendencia no garantiza predecir bien un lugar.

Los autores concluyen que los modelos globales y taxonómicamente amplios, entrenados con los datos actuales, sirven sobre todo para ver direcciones y patrones generales. También advierten que ofrecer salidas a escala fina puede generar sobreconfianza y, en consecuencia, decisiones subóptimas.

Qué proponen hacer

  • Modelos nacionales donde hay datos. Los países con buenos datos pueden construir índices nacionales de mayor fidelidad, aunque se pierda algo de comparabilidad entre países.
  • Más datos estandarizados donde faltan. Para las regiones con pocos datos, piden ampliar de forma sistemática el monitoreo con ADN ambiental, bioacústica y cámaras trampa, y decidir dónde y qué muestrear según cuánto mejoraría el modelo.
  • Datos propios en el reporte corporativo. Las empresas que quieran reportes de calidad tendrán que recolectar datos complementarios, no solo apoyarse en las herramientas globales.
  • Transparencia sobre el desempeño. El rendimiento del modelo debe mostrarse junto con el mapa, no escondido en un anexo.

Una nota acompañante de Aafke Schipper, publicada el mismo día en la misma revista con el título "Extrapolation challenges in global biodiversity modelling", llega a una lectura parecida: según su resumen, el bajo desempeño al extrapolar pide interpretación cuidadosa, más datos y proyecciones con varios modelos. El texto completo de esa nota no estuvo accesible al redactar este artículo.

Una red de niebla para aves tendida entre carrizos altos y secos, con un poste de metal a la derecha y cielo azul arriba
Red de niebla desplegada en un carrizal para investigación de aves. El muestreo en campo, estandarizado y repetido, es el tipo de dato que según el estudio falta en muchas regiones.Crédito: T.R. Shankar Raman, CC BY-SA 4.0, vía [Wikimedia Commons](https://commons.wikimedia.org/wiki/File:Mist_net_deployed_in_reeds_for_bird_research.jpg)

Qué significa para quien usa estos datos

Lo que sigue es lectura propia a partir del estudio, no una conclusión de los autores.

  • Un mapa global no reemplaza una línea base local. Si un proyecto necesita saber cuánta biodiversidad hay en un predio, la celda de un índice global es un punto de partida para priorizar, no un resultado para reportar.
  • Conviene pedir la validación junto con el mapa. Un producto que no informe su desempeño fuera de la muestra es difícil de usar para decidir.
  • El valor de un dato de campo sube. Si los modelos globales transfieren poco entre contextos, una serie propia de registros, bien estandarizada, vale más de lo que sugería su costo.
  • El mismo problema aparece en otros modelos. Los sesgos de muestreo ya se han mostrado en modelos de distribución de especies; lo discutimos en esta nota sobre el banco de pruebas SAGE.

Cierre

La utilidad de un índice global no está en duda; su resolución, sí. La lección práctica es dejar de tratar la finura del mapa como evidencia de precisión y exigir que cada mapa diga con qué confianza responde a la pregunta que se le hace. Para una decisión de un predio o de un portafolio de proyectos, esa confianza solo se gana con datos tomados en el lugar, como los que muestran, por ejemplo, los registros de ADN ambiental en 113 ríos.

Imagen de portada: paisaje de la cordillera Central desde Circasia (Quindío, Colombia), de Alejandro Bayer Tamayo, CC BY-SA 2.0, vía Wikimedia Commons.

Juan Felipe Romero

Ecólogo

Soy ecólogo con posgrado en Administración Ambiental de Zonas Costeras y Máster en Restauración Ecológica, con más de 18 años de experiencia en planificación, gestión y desarrollo de soluciones tecnológicas ambientales.

Este artículo se redactó con apoyo de inteligencia artificial, bajo dirección editorial de Juan Felipe Romero.

Volver al blog

Sigue leyendo

Con Biopaisaje

La línea base del territorio, sin armarla a mano

Caracterización física, biótica y socioeconómica con cinco métodos de conectividad ecológica y cartografía entregable.